LeCoder: 文字生成タスクのコードエラーを処理する大規模自動化コーダー

科学分野:

• 精神言語学は,心理言語学である.
• コンピュータ言語学 コンピュータ言語学
• 神経心理学の神経心理学について

背景:

• スピーチエラーは,言語生産メカニズムと障害についての洞察を提供します.
• スピーチエラーデータの手動コーディングは時間のかかる,主観的であり,大規模なデータセットを必要とします.
• 言語エラーパターンを分析するために,既存の方法には客観性や拡張性がない.

研究 の 目的:

• 英語の単語と命名データのための最初のオープンソースで自動化されたエラーコーダーであるLeCoderを紹介します.
• データベースのアプローチを使用してスピーチエラーの関係を定量化するための柔軟でスケーラブルで一般化可能なツールを開発する.
• 心理言語学および神経心理学の研究におけるスピーチエラー分析の客観性と再現性を高める.

主な方法:

• 大規模な英語の企業に基づいたデータ主導のアプローチを使用してLeCoderを開発しました.
• 音声エラーデータにおけるターゲット-応答関係を定量化しました.
• 専門家研究者や機械学習によってコード化されたデータセットでLeCoderの精度と汎用性を検証しました.

主要な成果:

• LeCoderは,エキスパートの人間のコーディングに比べて高い精度を示しています.
• いくつかの例では,LeCoderは,人間のコーダーよりも論理的な分類を提供します.
• 機械学習のアプローチは,LeCoderが新しい参加者とアイテムに一般化できることを確認しています.

結論:

• LeCoderは,言語エラーを分析するための客観的で効率的な方法を提供します.
• このツールの高い精度と汎用性は,研究ラボ全体で採用することを奨励しています.
• LeCoderの広範な使用は,スピーチエラー研究における発見の複製性を改善すると予想されています.